基于圖論醫(yī)學(xué)圖像分割隨機(jī)游走算法的研究

《基于圖論醫(yī)學(xué)圖像分割隨機(jī)游走算法的研究》由會(huì)員上傳分享，免費(fèi)在線閱讀，更多相關(guān)內(nèi)容在學(xué)術(shù)論文-天天文庫。

1、＼嘲則碩士學(xué)位論文基于圖論的醫(yī)學(xué)圖像分割隨機(jī)游走算法研究碩士研究生：胡潔指導(dǎo)老師：周凌宏摘要放射治療(放療)是腫瘤治療的三大手段之一。放療的基本目標(biāo)是努力提高放射治療的治療增益比，即最大限度地將放射線的劑量集中到病變(靶區(qū))內(nèi)，殺滅腫瘤細(xì)胞，而使周圍正常組織和器官少受或免受不必要的照射。腫瘤靶區(qū)及危及器官的分割直接影響放射治療的療效。目前在臨床應(yīng)用上，醫(yī)生主要采用手工方式勾畫出靶區(qū)及危及器官，醫(yī)生的工作量較大。此外，醫(yī)生個(gè)體之間、同一醫(yī)生在不同時(shí)間的勾畫結(jié)果均有較大差異，影響治療效果。因此，靶區(qū)及危及器官等的自動(dòng)勾畫，就顯得尤為重要，這一問題可以通過醫(yī)學(xué)圖像

2、的自動(dòng)分割解決。圖像分割技術(shù)經(jīng)歷了三個(gè)發(fā)展過程：手動(dòng)分割、半自動(dòng)分割和自動(dòng)分割。手動(dòng)分割的精度較高，但是耗時(shí)耗力，臨床醫(yī)生勾畫腫瘤及危及器官所運(yùn)用的就是手動(dòng)分割：自動(dòng)分割是脫離人為干預(yù)，完全依賴計(jì)算機(jī)的智能、自動(dòng)分割出目標(biāo)區(qū)域。自動(dòng)分割是圖像分割算法的終極目標(biāo)，但是現(xiàn)今各種自動(dòng)分割算法普遍精度不高，尚沒有一種算法可以解決各種復(fù)雜靶區(qū)的自動(dòng)勾畫問題。半自動(dòng)分割是結(jié)合醫(yī)生的臨床知識(shí)和計(jì)算機(jī)的智能，共同完成分割過程。半自動(dòng)分割算法結(jié)合了醫(yī)生的臨床知識(shí)，在一定程度上能保證結(jié)果的精確性。交互式圖像分割算法是半自動(dòng)圖像分割算法的一種類型，自從圖切割(研aphCms)H1

3、被提出以來，交互式算法受到極大關(guān)注，其在醫(yī)學(xué)圖像處理、圖像合成、影視技術(shù)、運(yùn)動(dòng)跟蹤等領(lǐng)域具有廣泛的應(yīng)用。交互式圖像分割算法是基于圖論思想的方法：用圖的最優(yōu)化問題來解決圖像的分割問題。一幅圖像摘要n-IpA看成一幅由點(diǎn)和邊組成的圖。把一幅圖像映射為加權(quán)圖G=(礦，E)，圖由結(jié)點(diǎn)vf∈V和邊界e∈E∈VxV組成。每條邊e連接兩個(gè)端點(diǎn)v，和v，，表示為e∥且被賦予一定的權(quán)值，表示為w(eo．)或者Ⅵ，，它反映相鄰像素之間差異或相似度，這樣圖的轉(zhuǎn)化就完成了，最后再運(yùn)用分割算法對(duì)圖像進(jìn)行分割和組合。從目前圖論理論的應(yīng)用角度，可以把基于圖論的分割算法分成四類【5】，分別

4、是：分水嶺(Watershed)、圖切割(GraphCuts)、隨機(jī)游走(RandomWalk，RW)和最短路徑(ShortestPaths，Geodesic)。2011年，CamilleCouprie和LeoGrady等人也將GraphCuts，RandomWalk[31，ShortestPaths[61等算法歸結(jié)到同一框架之下。盡管上述算法都隸屬于同一族，但無論是求解方式還是解的本身，都有各自不同的特點(diǎn)。其中隨機(jī)游走的特點(diǎn)是只存在唯一解，并且屬于軟分割，能很好地解決交互式分割算法中的模糊定義問題，因此，本文著重對(duì)隨機(jī)游走算法進(jìn)行研究。隨機(jī)游走理論是布朗運(yùn)

5、動(dòng)的一種特殊形式，但是它比布朗運(yùn)動(dòng)應(yīng)用更加廣泛。目前出現(xiàn)了很多用來模擬各種物理現(xiàn)象、社會(huì)現(xiàn)象及經(jīng)濟(jì)現(xiàn)象的隨機(jī)游走模型。隨機(jī)游走方法的基本思想是：將圖像看作是純粹的離散對(duì)象，即具有固定個(gè)數(shù)的邊和頂點(diǎn)的圖。像素對(duì)應(yīng)于圖上的結(jié)點(diǎn)，每條邊被設(shè)置為一定實(shí)數(shù)的權(quán)重，可以表示一個(gè)隨機(jī)游走者沿著這條邊行走的概率，權(quán)重為0意味著隨機(jī)游走者將不沿這條邊行走。有文獻(xiàn)已經(jīng)證明，無論是一維還是二維的隨機(jī)游走的過程均可以模擬成電路圖，其求解過程則可以轉(zhuǎn)為求解調(diào)和函數(shù)的Dirichlet問題，這一轉(zhuǎn)化很好的解決了隨機(jī)游走的求解問題，但是也產(chǎn)生了一個(gè)較難的問題：在Dirichlet問題求解

6、過程中，產(chǎn)生了一個(gè)龐大的稀疏矩陣，求解這個(gè)線性的稀疏矩陣需要耗費(fèi)大量時(shí)間和內(nèi)存。由于隨機(jī)游走的過程需要用戶定義兩組種子點(diǎn)：即在目標(biāo)區(qū)域選取一組種子點(diǎn)，稱之為前景種子點(diǎn)，在背景區(qū)域選取一組種子點(diǎn)，稱之為背景種子點(diǎn)，結(jié)果的優(yōu)劣性與主觀選取種子點(diǎn)的位置密切相關(guān)。II碩士學(xué)位論文本文將隨機(jī)游走算法及其改進(jìn)算法分別應(yīng)用于醫(yī)學(xué)MR圖像和CT圖像的分割中：(一)將隨機(jī)游走算法應(yīng)用于MR圖像的分割中。首先在TIC圖像中選取前景種子點(diǎn)和背景種子點(diǎn)，然后對(duì)TIC、T2和FLAIR模式圖像分別進(jìn)行隨機(jī)游走，得到三種模式圖像的分割結(jié)果。其中在TIC圖像中可以精確地分割出腫瘤，但是在

7、T2和FLAIR圖像中得不到很好的分割結(jié)果。其主要原因在于，隨機(jī)游走的過程只利用了TIC圖像中種子點(diǎn)的空間信息，并沒有利用T2和FLAIR圖像的信息，因此在T2和FLAIR圖像導(dǎo)致了錯(cuò)誤分割?；谏鲜鋈毕?，本文首先建立兩種模態(tài)(T2，F(xiàn)LAIR)圖像的聯(lián)合直方圖，即特征空間，并在TIC圖像上選取種子點(diǎn)進(jìn)行第一次隨機(jī)游走，得到特征空間的分割結(jié)果，然后將此結(jié)果重新映射回原始圖像空間，進(jìn)行第二次隨機(jī)游走，得到最終的分割結(jié)果。這一過程在特征空間和圖像空間分別利用了隨機(jī)游走算法，好處在于充分利用了三種模式圖像的信息和特征空間的信息。為了證明改進(jìn)算法的有效性，本文利用了

8、三組膠質(zhì)瘤MR圖像從算法精度(正確率和錯(cuò)誤率)和受種